Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree

Kelulusan tepat waktu merupakan indikator kinerja utama bagi institusi pendidikan tinggi, namun banyak mahasiswa mengalami keterlambatan studi. Keterlambatan ini dipengaruhi oleh berbagai faktor seperti Indeks Prestasi Kumulatif (IPK), total Satuan Kredit Semester (SKS), dan kehadiran, sehingga menyoroti perlunya pendekatan sistematis untuk identifikasi dini mahasiswa yang berisiko. Sehubungan dengan hal tersebut, penelitian ini bertujuan untuk membangun dan mengevaluasi sebuah model prediksi kelulusan tepat waktu menggunakan algoritma Decision Tree C4.5, yang diharapkan dapat menjadi alat bantu intervensi yang efektif bagi institusi.

Metodologi penelitian dimulai dengan pengumpulan data akademik historis mahasiswa yang mencakup variabel-variabel relevan. Data tersebut kemudian melewati tahap pra-pemrosesan untuk disiapkan sebagai data latih yang bersih dan terstruktur. Selanjutnya, algoritma Decision Tree C4.5 diimplementasikan untuk membangun model klasifikasi yang mampu membedakan antara mahasiswa yang berpotensi lulus tepat waktu dan yang berisiko terlambat. Kinerja model yang dihasilkan dievaluasi secara kuantitatif berdasarkan tingkat akurasinya untuk mengukur keandalannya.

Hasil penelitian menunjukkan bahwa algoritma Decision Tree C4.5 berhasil menghasilkan model klasifikasi yang akurat dan mudah diinterpretasikan. Dari pohon keputusan yang terbentuk, teridentifikasi bahwa Indeks Prestasi Kumulatif (IPK) dan jumlah Satuan Kredit Semester (SKS) yang ditempuh merupakan faktor paling berpengaruh dalam memprediksi hasil kelulusan. Model prediksi ini dapat berfungsi sebagai alat bantu pengambilan keputusan yang praktis bagi administrator akademik dan dosen pembimbing, memungkinkan dilakukannya intervensi dan dukungan tepat waktu bagi mahasiswa yang teridentifikasi berisiko mengalami keterlambatan kelulusan.